Skip to content
検索結果に戻る

質的コンテンツ分析

提唱者
Klaus Krippendorff; refined by Margrit Schreier
年
1980
種類
Method
系統
systematic-categorization

この文章は機械翻訳で、まだ確認されていません。 英語の原文を読む

文字サイズ

何をする手法か?

質的コンテンツ分析(QCA)は、意味の単位を特定し、コンテンツカテゴリに分類することによって、テキストまたは視覚データを分析するための体系的かつ帰納的な手法である。Klaus Krippendorff(1980)によって開発・形式化されたQCAは、純粋に質的(帰納的、探索的)であることも、定量的カウントと組み合わせることも可能である。それは、顕在的コンテンツ(明示的、表面的な意味)と潜在的コンテンツ(根底にある、解釈的な意味)を分析する。

手法の背後にある直感

コンテンツ分析は、意味が体系的にカテゴリに編成できるという考えに基づいている。理論を生成するグラウンデッド・セオリーや、広範なパターンを特定するテーマ分析とは異なり、コンテンツ分析はより構造化されている。それは、カテゴリとサブカテゴリを定義する明示的なコーディングスキームを作成し、コードを一貫して適用し、何が伝えられているか、または強調されているかを明らかにするために出現回数をカウントする。顕在的コンテンツ分析は、直接述べられていること(例:単語や明示的なステートメントの出現回数を数える)に焦点を当てる。潜在的コンテンツ分析は、より深く掘り下げ、根底にある意味を解釈する(例:テーマが社会価値について暗黙的に何を伝えているかを分析する)。QCAは厳密で透明性が高く、大量のテキスト、文書、メディア、または分析可能なあらゆる伝達資料に適している。

歴史学

Klaus Krippendorffは1980年にコンテンツ分析を体系的な方法論として形式化し、非公式なコーディングやカテゴリ分けと区別した。彼の研究は、信頼性、妥当性、透明性のある手順を強調した。Margrit Schreier(2012)はQCA手順を洗練・拡張し、演繹的アプローチと帰納的アプローチの区別を明確にした。コンテンツ分析は20世紀半ばのプロパガンダやメディアに関する研究に遡るが、現代のQCAは体系的な手順と並んで質的厳密性を強調している。現代の応用は、看護、心理学、組織研究、メディア研究、政策分析に及んでいる。

使うべき場面

大量のテキストまたは視覚データがあり、体系的で透明性の高いカテゴリ分けが必要な場合にQCAを使用する。文書(ポリシー、臨床ガイドライン、メディア)、インタビュー記録、ソーシャルメディアコンテンツ、またはあらゆる伝達アーティファクトの分析に理想的である。QCAは、「これらの文書で顕著なテーマやトピックは何か?」または「メディアや言説で特定の概念はどのように表現されているか?」といった研究課題に適している。QCAは、新しい理論を生成しようとする研究(グラウンデッド・セオリーを使用)や、生きた経験を探求する研究(現象学を使用)にはあまり適していない。QCAは、体系的なコンテンツパターンの文書化が意思決定に役立つ応用研究、政策分析、メディア分析、組織研究において優れている。

限界と注意点

  • 潜在的コンテンツ分析における過度の解釈のリスク。根底にあるメッセージに意味を割り当てることは、本質的に主観的であり、コーダーのバイアスを反映する可能性がある。
  • コーディングスキームの作成と洗練には時間がかかる。分析中にカテゴリを変更すると、一貫性が損なわれる。
  • 理論や深い文脈的理解を生成しない。コンテンツ分析は、何が存在するかを記述するものであり、それがなぜ、どのようにそのようになったのかを記述するものではない。
  • 評価者間信頼性は価値があるが、コーダーが意味を理解せずに厳格なルールに単に従うだけの場合、人工的に誇張される可能性がある。一致 ≠妥当性。

出典に示された条件は、独立した科学的レビューや分析エンジンによる検証の代わりにはなりません。

強み

  • 体系的かつ透明:明示的なコーディングスキームとルールにより、再現性と評価者間信頼性の評価が可能になり、大規模データセットの厳密な分析に理想的である。
  • 厳密さと柔軟性を組み合わせる:顕在的(客観的)コンテンツと潜在的(解釈的)コンテンツの両方を組み込むことができ、定量的アプローチと質的アプローチを橋渡しする。
  • 多様なデータタイプに適している:テキスト、画像、ビデオ、ソーシャルメディア、文書—多くの研究コンテキストに適用可能である。
  • コードの出現回数の定量化は、強調と分布の要約を提供し、カウントと割合で質的解釈を補完する。

応用

  • プログラム評価におけるインタビューデータを分析し、介入の質、忠実度、および結果を評価する。参加者のフィードバックを強みと改善領域に分類する。
  • 政策文書または臨床ガイドラインを分析し、優先事項、ギャップ、および機関間の整合性を特定する。
  • 病気、精神疾患、または疎外されたグループのメディア表現を調査し、公衆のメッセージングとスティグマを理解する。
  • 医療現場での患者の苦情またはフィードバックを分析し、体系的な問題(例:コミュニケーションの失敗、アクセスの障壁)を特定する。
  • 組織文書(電子メール、会議議事録、レポート)を研究し、組織文化、優先事項、およびコミュニケーションパターンを理解する。

使い方

使い方

1

質的データを収集する:インタビュー、自由回答形式のアンケート回答、文書、メディア(ビデオ、写真、ソーシャルメディア投稿)、または分析したいあらゆるテキストや画像。コーディング単位(コードを付けるセグメント)を決定する:単語、文、段落、文書、または画像セクション。データを戦略的にサンプリングする:すべてのデータを分析することも、意図的サンプリング(例:研究課題に最も直接的に関連するインタビューを選択する)を使用することもできる。分析のためにデータを準備する:音声を文字起こしし、画像を分析可能な形式に変換し、テキストが標準形式であることを確認する。分析を開始する前に、明確なサンプリング戦略とコーディングフレームを作成する。

2

コーディングスキームを開発する:研究課題に関連するコンテンツを表すカテゴリとサブカテゴリを定義する。カテゴリは、理論から事前に決定された演繹的なものか、データから生じる帰納的なものかのいずれかである。少量のデータセットを読み/視聴し、初期コードを特定することから始める。関連するコードをより広範なカテゴリにグループ化する。各カテゴリを明確なラベルと定義で明示的に定義する(例:「治療への障壁—アクセスやアドヒアランスを妨げるもの」)。曖昧なケースに対する決定ルールを開発する(例:「ステートメントが時間とコストの両方に言及している場合、主要な障壁としてコストに割り当てる」)。データセット全体を体系的にコーディングし、各コードを一貫して適用する。定数比較アプローチを使用する:コーディングが進むにつれて一貫性を確保するために、以前のコードを定期的に再確認する。コードの出現回数をカウントして、強調と分布を理解する。評価者間信頼性のために、2番目のコーダーにデータの一部(10〜20%)を独立してコーディングさせる。一致率(パーセント一致またはコーエンのカッパ >0.70が許容範囲)を計算する。議論とコーディングスキームの洗練を通じて不一致を解決する。

3

コードの出現回数とカテゴリのパターンを研究課題に関連付けて、結果を統合する。カテゴリの出現回数と分布を記述する:最も一般的なのはどれか、まれなのはどれか?これらのパターンを解釈する:カテゴリの高い出現回数は重要性を示している可能性がある。カテゴリの不在も同様に意味がある可能性がある。コード化されたテキストからのサポート引用または例で結果を提示する。カテゴリの出現回数または階層的関係を示す視覚化(表、棒グラフ)を作成する。結果を理論と先行研究に関連付ける。コンテンツにおけるギャップまたは予期しない不在を特定する。目標は単に分類することではなく、パターンがコンテンツの意味とメッセージについて何を明らかにしているかを解釈することである。

よくある落とし穴

  • 厳格で柔軟性のないコーディングスキームを早期に課すこと。カテゴリはデータから部分的に生じ、反復的に洗練されるべきである。
  • コードの誤カウントまたは不一致の適用。体系的なチェックと定期的なコーダー会議が不可欠である。
  • コンテンツ分析と談話分析を混同すること。談話分析は、言語が意味と権力をどのように形成するか(例:言語的特徴、レトリック)を強調するが、コンテンツ分析はカテゴリコンテンツに焦点を当てる。
  • コードの出現回数のみに依存し、質的解釈を行わないこと。生のカウントは、文脈とパターンが何を意味するかについての分析なしには無意味である。

よくある質問

顕在的コンテンツ分析と潜在的コンテンツ分析の違いは何ですか?

顕在的コンテンツ分析は、明示的で表面的な意味、つまり直接述べられていることまたは示されていることに焦点を当てる。例えば、特定の単語や明示的なステートメントの出現回数を数えること(例:「pain」という単語が47回出現する)。潜在的コンテンツ分析は、根底にあるまたは暗黙の意味、つまりコンテンツが価値観、態度、または世界観について示唆すること、暗示すること、または明らかにすることを解釈する。例えば、肥満のメディア描写が暗黙のうちに道徳的判断や恥をどのように伝えているかを分析すること。顕在的分析はより客観的であり、潜在的分析は解釈的な判断を必要とする。ほとんどのQCAは両方を組み合わせている:顕在的カテゴリ(何が言われているか)と潜在的解釈(それが何を意味するか)。

質的コンテンツ分析はテーマ分析とどう違うのですか?

どちらも質的データにおけるパターンを特定するが、構造と目的が異なる。テーマ分析は、厳格なコーディングスキームを必ずしも作成せずに、広範なテーマまたはパターンを特定する。より帰納的で探索的である。コンテンツ分析は、定義されたカテゴリと決定ルールを持つ明示的で体系的に適用されるコーディングスキームを作成する。より構造化されており、出現回数のカウントが可能である。コンテンツ分析は、一貫性を必要とする大規模データセットに適している。テーマ分析は、探索的研究ではしばしばより高速である。テーマ分析をコンテンツ分析の一種と見なす人もいるが、別個のものと見なす人もいる。探索的なパターン発見にはテーマ分析を使用する。出現回数データを持つ体系的で透明性のあるカテゴリ分けにはQCAを使用する。

コーディングスキームの信頼性と妥当性をどのように確保できますか?

各カテゴリについて、包含基準と除外基準を明確に定義する。少なくとも1人の2番目の評価者に、データの一部(最低10〜20%)を独立してコーディングさせる。評価者間信頼性を計算する:単純なスキームの場合はパーセント一致、より複雑なスキームの場合はコーエンのカッパまたはクリッペンドルフのアルファ(目標値 >0.70)。議論を通じて不一致を解決し、必要に応じてカテゴリ定義を洗練する。分析全体を通じて定期的な評価者会議を実施し、一貫性を維持する。コーディングの決定と理由を文書化する(監査証跡)。妥当性:カテゴリが研究課題に論理的に関連し、パターンの意味のある解釈を提供することを確認する。完全な分析の前に、小さなサンプルでスキームをパイロットテストする。

演繹的コーディングと帰納的コーディングの両方でQCAを使用できますか?

はい。純粋に帰納的なQCAは、データからカテゴリを開発する。純粋に演繹的なQCAは、理論または先行研究から事前に決定されたカテゴリを適用する。多くの研究ではハイブリッドアプローチを使用している。理論に根ざした演繹的カテゴリから始め、次にデータから生じる帰納的コードを追加する。これは、理論的厳密性とデータ応答性を組み合わせることで、分析を強化できる。どの(または組み合わせた)アプローチを使用したかを明示し、選択を正当化する。

いくつのコードが一般的で、いつカテゴリをマージまたは分割すべきですか?

初期の帰納的コーディングでは、15〜20のインタビューまたは文書から30〜100以上のコードが生成され、それらは10〜25のカテゴリにグループ化されることが多い。目標はコードを最小化することではなく、一貫した階層を作成することである。コードが同じ概念を表す場合、または冗長性を生じる場合(別々に保持する意味がない場合)は、コードをマージする。カテゴリが広すぎて異質な意味を含む場合は、カテゴリを分割する(例:「障壁」は「構造的障壁」と「個人的障壁」に分割される可能性がある)。スキームを監査する:コードが1つの文書にのみ出現する場合、そのコードにコードが必要かどうか、または外れ値であるかを問う。

関連する手法

参考文献

  1. Krippendorff, K. (1980). Content analysis: An introduction to its methodology. Sage Publications.

    出版物の文献を開く
    コピーしました。
  2. Schreier, M. (2012). Qualitative content analysis in practice. Sage Publications.

    出版物の文献を開く
    コピーしました。
  3. Hsieh, H. F., & Shannon, S. E. (2005). Three approaches to qualitative content analysis. Journal of Nursing Research, 13(4), 203–215.

    出版物の文献を開く
    コピーしました。